El seguimiento visual cooperativo que involucra vehículos aéreos no tripulados (UAV) en entornos de baja altitud es un dominio dinámico y en rápida evolución. Los modelos existentes enfrentan desafíos con los objetivos, como la variación de escala, la similitud de apariencia y las oclusiones frecuentes, que obstaculizan el uso efectivo de la información del objetivo para la asociación de identidad entre vistas. Para abordar estos desafíos, este estudio introduce un modelo para el seguimiento de múltiples objetivos desde múltiples vistas en escenas de baja altitud que involucran UAV (MVTL-UAV), un modelo de seguimiento de múltiples objetivos eficaz diseñado específicamente para escenarios de baja altitud que involucran UAV. El método propuesto se basa en marcos de detección y seguimiento de extremo a extremo existentes, introduciendo tres módulos innovadores: refuerzo de pérdida, restricciones acopladas y mejora de coeficientes. Colectivamente, estos avances mejoran la precisión de la coincidencia de identidad de objetivos entre vistas. Nuestro método se entrena utilizando el conjunto de datos DIVOTrack, que comprende datos recopilados de un solo UAV y dos cámaras de mano. Los resultados empíricos indican que nuestro enfoque logra una mejora del 2.19% en la precisión de coincidencia entre vistas (CVMA) y una mejora del 1.95% en la métrica F1 de ID entre vistas (CVIDF1) en comparación con las metodologías actuales de vanguardia. Es importante destacar que el rendimiento del modelo se mejora sin comprometer la eficiencia computacional, lo que aumenta su valor práctico en entornos con recursos limitados. Como resultado, nuestro modelo demuestra un rendimiento satisfactorio en varios escenarios de seguimiento de objetivos de baja altitud que involucran UAV, estableciendo un nuevo estándar en esta área de investigación.